Mis on Graph Isomorphism Network (GIN)?

Graafide izomorfismi võrk (GIN) on tüüpi graafneurona võrk (GNN), mis on loodud graafide tõhusaks eristamiseks. GIN põhineb ideel, et selle arhitektuur suudab lähedale jõuda graafide izomorfismi testi (Weisfeiler-Lehman test) jõule, muutes selle väga väljendusvõimeliseks.

GIN-i peamine idee on koguda naabersõlmede omadusi summaga ja seejärel rakendada mitmekihilist perceptroni (MLP). See võimaldab võrgul paremini eristada graafide struktuure võrreldes teiste kogumismeetoditega (näiteks keskmisega).

Näide sõlme v omaduste uuendamise valemist:

h_v^{(k)} = MLP^{(k)} \left( (1 + \epsilon^{(k)}) \cdot h_v^{(k-1)} + \sum_{u \in N(v)} h_u^{(k-1)} \right)

kus:

• (h_v^{(k)}) on sõlme v omadused k kihtidel,
• (N(v)) on sõlme v naabrite kogum,
• (\epsilon^{(k)}) on õppitav parameeter,
• MLP on mitmekihiline perceptron.

Seega on GIN tõhus ülesannetes, kus on oluline eristada graafide vahel peeneid struktuurseid erinevusi.